杜明斌 梁 宏 吴春强 曹云昌 郭 巍 唐玉琪 岳彩军

1. 上海市生态气象和卫星遥感中心，上海，200030

2. 中国气象局气象探测中心，北京，100081

3. 国家卫星气象中心，北京，100081

4. 上海海洋中心气象台，上海，200030

1 引 言

水汽在天气和气候演变中扮演着关键角色，是随时间和空间变化最为剧烈的大气成分之一，在大气垂直稳定性、风暴系统的结构和演变过程中常常起关键性作用，但传统的水汽探测手段，如无线电探空仪、微波辐射计和地面气象站等，存在诸如空间或时间分辨率不足、精度有限、受天气影响较大或者适用范围较小等一系列弊端（Lee，et al，2013）。地基全球导航卫星系统（GNSS）探测大气可降水量（PWV）就是利用导航卫星信号在穿越大气层时会引起传输路径弯曲和时间延迟这一效应，通过反演技 术 得 到 大 气 的 水 汽 信 息（Rocken，et al，1995；Duan，et al，1996）。GNSS/PWV具有成本低、精度高、不需要定标等优点，是传统大气水汽观测手段的有效补充（梁宏等，2020）。近30年来地基GNSS广泛应用于大气水汽探测，事实证明该技术是目前探测大气水汽的最佳技术之一（Wulfmeyer，et al，2015；Vaquero-Martíne，et al，2021）。近 年来，中国各地气象部门联合测绘、地震、环境等相关部门已建起了相当规模的地基GNSS监测网，以每小时一次实时发布中国超过1000个站的水汽监测信息（Liang，et al，2015），未来可达到每15 min一次的水汽监测 （曹云昌等，2006；丁金才等，2006；丁金才，2009；梁宏等，2020）。整层大气可降水量GNSS/PWV较难反映大气水汽的分层信息及其连续变化，与其他气象资料融合应用可更好地提升高精度GNSS/PWV资料的价值。

目前，极轨气象卫星搭载的高光谱红外探测载荷有美国宇航局（National Aeronautics and Space Administration，NASA）Aqua上的大气红外探测仪（Atmospheric Infrared Sounder，AIRS）、欧洲气象卫星应用组织（European Organisation for the Exploitation of Meteorological Satellites，EUMETSAT）MetOp上的红外大气干涉仪（Infrared Atmospheric Sounding Interferometer，IASI）和美国新一代极轨气象卫星NPP （National Polar-orbiting Partnership）上的交叉轨道红外探测仪（Cross-track Infrared Sounder，CrIS）。在高光谱红外探测大气水汽廓线产品检验和应用方面，顾雅茹等（2018）利用2015年夏季加密无线电探空资料与AIRS反演产品进行精度检验，发现湿度误差平均约为20%。Schneider等（2011）通过最优估计方法得出IASI反演对流层水汽精度在10%—20%，整层水汽偏差在5%左右。Gambacorta等（2012）研究显示采用NOAA独特联合大气处理系统（NOAA Unique CrIS/ATMS processing System，NUCAPS）反演的CrIS全球范围的大气湿度廓线误差为25%。风云三号D星（FY-3D）搭载的红外高光谱大气探测仪（High Spectral Resolution Infrared Atmospheric Sounder，HIRAS）实现了中国极轨气象卫星从多光谱探测到高光谱探测的跨越，通过获得更窄的大气探测权重函数，提高垂直分辨能力（陆其峰等，2019）。Zhang等（2021）利用FY-3D/HIRAS数据结合RTTOV（Radiative Transfer for TOVS） 建立大气温度和湿度的反演算法，通过对2020年7月和8月欧洲区域的反演结果检验得出，湿度误差小于15%。

干涉式大气垂直探测仪是中国新一代地球静止气象卫星风云四号A星（FY-4A）的主要载荷之一（杨军等，2011），其资料可用于反演大气温湿度廓线信息（Li，et al，2017；Gambacorta，et al，2018），这也是国际上第一台在静止轨道卫星上以红外高光谱干涉分光方式探测三维大气温湿度结构的精密遥感仪器。它的优势是对大气温湿度廓线的观测实现空间与时间的连续，同时高光谱大气探测仪有更精确的光谱定标和更高的垂直分辨率（华建文等，2018），可以连续监测与高影响天气有关的快速变化的天气系统，尤其是大气三维水汽场的观测。风云四号A星GIIRS具有1650个光谱通道，光谱范围为中波红外4.44—6.06 μm、长波红外8.85—14.29 μm，空间分辨率为16 km，最快可以每15 min提供一次区域大气温湿度廓线相关数据，在天气监测与预报方面有广阔的应用前景（张志清等，2017；Yang，et al，2017；Xue，et al，2022）。由于静止卫星轨道高度为36000 km，比极地轨道卫星轨道高度提高了45倍，相关信号能量比在极地轨道卫星轨道上的载荷弱得多。通过与极轨卫星的同类高光谱载荷性能指标对比，相对较低的通道灵敏度和定标精度对FY-4A/GIIRS水汽廓线反演的产品质量提出 较 大 挑 战（Schneider，2011；Gambacorta，et al，2012，2018；Min，et al，2017；杨天杭等，2019）。为了解新型大气廓线资料质量状况，更好地应用于强对流、台风等灾害气象观测分析、数值模式同化等业务，对其探测资料的准确度进行深入分析和改进十分必要（鲍艳松等，2017；Gambacorta，et al，2018）。通过对地基GNSS/PWV和FY-4A/GIIRS水汽廓线的数据特点分析发现，地基GNSS气象站监测整层大气可降水量具有全天候、高精度、连续性的特点，而风云四号卫星高光谱大气探测仪水汽廓线具有三维监测、高分辨率、连续性。鉴于此，文中综合利用地基GNSS/PWV准确度高和FY-4A/GIIRS水汽廓线产品垂直分层多的优点，通过地基和天基观测数据融合技术开发，使得两种水汽观测资料优势互补，可有效提高遥感水汽反演信息的定量化应用水平，有利于一线预报员实时监测、分析天气系统，改善数值气象模式初始场，为提高日常的强对流和台风预报预警准确率提供观测资料支撑。

2 数据与方法

2.1 数据资料

利用GNSS/PWV和FY-4A/GIIRS水汽廓线进行快速融合，所使用的GNSS/PWV资料是基于中国气象局卫星广播系统（CMACast）实时接收的业务产品，产品时间分辨率为每小时一次，中国区域约1000个站。FY-4A/GIIRS水汽廓线产品反演算法来源于中国气象局国家卫星气象中心研发的风云地球静止轨道算法试验平台（Fengyun Geostationary Algorithm Testbed-Imager/Sounder，FYGATI/S）（Min，et al，2017；张志清等，2017）。该算法以FY-4A/GIIRS数据、数值天气预报模式预报地表气压、卫星地理和时间信息以及云检测结果为输入，所反演的大气状态产品包括大气温度廓线、大气湿度廓线、大气臭氧廓线、地表发射率和地表温度。文中所使用的FY-4A/GIIRS水汽廓线垂直方向有101层（0.005—1100 hPa），水平分辨率约为16 km，时间分辨率为3 h，具体算法可以参考Min等（2017）。

常规无线电探空是目前世界上一致认同的探测高空大气要素的规范方式，被广泛用于业务和科研，常作为卫星资料定标和卫星产品反演的参考，也是作为对比分析新资料时常用的标准（Kuo，et al，2005；胡姮等，2019）。无线电探空的一般精度是气温±0.5 K，气压±1 hPa，相对湿度±5%（中国气象局，2010），可以用于对FY-4A/GIIRS反演结果以及资料融合效果进行检验。由于夏季天气系统变化快、大气水汽含量较高，精确的水汽观测数据是有效预报灾害天气的重要保证（万蓉等，2008）。选取2018年6—8月的FY-4A/GIIRS水汽廓线与常规无线电探空资料做精度分析，通过GNSS/PWV与FY-4A/GIIRS水汽廓线融合技术研究对水汽廓线产品进行改进试验，并对改进结果进行评估。精度检验和融合试验的时间为常规无线电探空观测时间08和20时（北京时，下同），分别代表白天和夜晚的反演结果。

2.2 资料预处理

以常规无线电探空为参考进行精度检验，通过对中国约1000个地基GNSS气象站进行筛选，选取附近10 km以内有常规无线电探空站的站（共94个），空间分布在（EQ—55°N，70°—140°E），如图1所示，红圈代表无线电探空站，蓝点代表附近与之匹配的地基GNSS气象站。

图1 GNSS气象站与无线电探空站匹配后分布示意Fig. 1 Distribution of matched GNSS sites and radiosondes

对于FY-4A/GIIRS水汽廓线产品，采用克里斯曼客观分析方法（Cressman，1959）把相近的有效高光谱大气探测像元进行站点化分析，也就是对于每个匹配时次选择覆盖站点周边9个像元，按照气压层进行水平克里斯曼距离权重插值作为该站点卫星廓线反演结果。

无线电探空资料通过式（1）和（2）分别计算出水汽压和比湿廓线。原理和计算方法参考《地面气象观测规范 空气温度和湿度》（GB/T 35226-2017）（中华人民共和国国家质量监督检验检疫总局，2017）和《常规高空气象观测业务规范》（中国气象局，2010）。

式中，e为水汽压，td为露点温度，q为比湿，p为气压。

2.3 精度检验方法

FY-4A/GIIRS可以根据数值模式的云图预报结果进行区域扫描，首先确定数值模式预报云图分析的晴空区域，再对该区域进行东西扫描探测，探测一行结束后，南北步进至下一行继续东西扫描探测，依此规律最终完成指定区域的探测任务。但是由于云系发展的不连续、反演过程产生的误差、数值模式预报云图的误差等影响，许多探测像元受到云污染和定标质量低的影响而无法反演出完整的大气温湿度廓线。FY-4A/GIIRS水汽廓线产品有4种质量标记，质量从高到低依次为“perfect”“good”“bad”和“do not use”，本研究选取前两种质量标记的廓线。采用下式进行误差估计

式中，qr为 由无线电探空资料计算的比湿，qg为FY-4A/GIIRS反演的比湿，i为第i个样本，n为每一气压层的样本数。Bias表示偏差，RMSE表示均方根误差，MRE表示相对误差。

2.4 GNSS/PWV水汽融合方法

地基GNSS/PWV与无线电探空仪或微波辐射计的探测结果相比，均方根误差在北美小于2 mm（Dai，et al，2002），在日本为3.7 mm（Ohtani，et al，2000），在中国台湾为2.2 mm（Liou，et al，2001）。中国大陆地区实时业务GNSS/PWV是基于麻省理工学院等机构研究开发GAMIT/GLOBK反演的，产品精度约为3 mm，相对误差在12%左右（杜明斌等，2013；Liang，et al，2015；胡姮等，2018）。FY-4A/GIIRS虽然实现了大气水汽的垂直结构探测，但通过精度检验发现反演结果仍需要改进，静止轨道高光谱载荷的通道灵敏度和定标精度严重影响水汽廓线反演的产品质量 （Gambacorta，et al，2012，2018；Min，et al，2017）。在 数 值 模 式 同 化 中，Kuo等（1993）提出了利用GNSS/PWV对大气水汽场进行水汽廓线调整的处理方法，即假设每个地基GNSS气象站上空的比湿廓线（qg(k)）垂直结构不变（k表示第k层大气，下同），这样地基GNSS气象站上空的大气水汽分层结构就有一个初始参考值。通过水汽初始参考值随高度的积分与GNSS/PWV进行融合来更新水汽廓线的分析结果，进而获得三维水汽廓线。在GNSS/PWV与FY-4A/GIIRS水汽廓线融合技术研究中，这个水汽廓线的初始结构参考值为根据GIIRS水汽廓线计算各气压层的水汽比湿，按照式（6）可得到整层大气可降水量（ PWVg）。

式中， PWVg表示由FY-4A/GIIRS产品计算的大气可降水量，ρ为水密度，g为重力加速度，p0为站点地面气压，k表示第k层大气。设PWV为地基GNSS气象站监测的大气可降水量，根据式（7）对FY-4A/GIIRS水汽廓线进行更新，其中qu(k)为更新后的比湿廓线。

考虑到直接调节比湿可能引起大气分析场过饱和，根据FY-4A/GIIRS反演的温度廓线计算大气饱 和 比 湿 廓 线qsg(k)。 如 果qu(k)＞qsg(k) ， 则qu(k)=qsg(k)。根据马格努斯饱和水汽压经验公式可得FY-4A/GIIRS的饱和水汽压Esg(k) ， 进而计算qsg(k)作为饱和约束值，具体方法参考式（8）和（9）。

式中，t(k)为 第k层的大气温度，p(k)为第k层的气压。参考式（6）推导可得式（10），计算融合更新后的水汽廓线的大气可降水量为PWVu(j)（j为第j次迭代），设其中ϵ为收敛指标，文中对于所有廓线统一设置为0.1 mm（ϵ值也可根据每个地基GNSS气象站具体情况进行设定）。从这种融合方法上看计算过程简单高效，通常情况下迭代2次就能收敛。

式中，m代表大气层数， ΔPk为第k层与第k+1层气压差，为更新后大气层平均比湿，计算方法参考式（11）。

考虑到FY-4A/GIIRS反演误差的影响，统计百分比误差为 MREq(k)，以设定极值作为约束条件，文中设置qmg(k)为每层廓线调节的极值，并存在以下关系式中，q（k）为第k层比湿，a为极值约束指标，设置为a=2.5，表示对廓线调整幅度不超过百分比误差的2.5倍。根据式（7）可推出以下结果：

如果 P WV≥PWVg，qmg(k)=(a·MREq(k)+1)q(k)；如果 P WV＜PWVg，qmg(k)=(1−a·MREq(k))q(k)。

根据极值约束条件可得以下关系：

若 P WV≥PWVg，且qu(k)＞qmg(k)， 则qu(k)=qmg(k)；若 P WV＜PWVg，且qu(k)＜qmg(k)， 则qu(k)=qmg(k)。

把极值的约束条件代入到式（7）—（9）的过程中即可快速融合GNSS/PWV与FY-4A/GIIRS水汽廓线并获得三维水汽场的观测改进。结合精度检验过程，总体的算法流程如图2。

图2 融合方法和精度检验流程Fig. 2 Flowchart of merging method and accuracy evaluation

3 结果与分析

3.1 精度检验结果

对2018年6—8月资料（图3）分析表明，与无线电探空资料相比，FY-4A/GIIRS水汽廓线反演整体稍微偏高，尤其是850—550 hPa高度层，平均偏高约0.7 g/kg，夜晚（20时）的反演结果偏高更加明

图3 风云四号A星GIIRS比湿 （q） 廓线反演精度检验 （08和20为观测时间；a. 偏差、均方根误差和比湿廓线均值，b. 相对误差与样本数目）Fig. 3 Accuracy evaluation of specific humidity profiles for FY-4A GIIRS retrievals （08 and 20 represent observation time；a. Bias，RMSEs and mean profiles of specific humidity，b. mean relative errors and sample numbers）

显。在近地层，白天（08时）反演水汽结果偏低，夜晚与探空结果较为一致。从均方根误差（图3a）来看，白天和夜晚差异不大，大气底层至850 hPa约为4.5 g/kg，随 着 大 气 层 高 度 升 高，700 hPa比 湿 的RMSE约为2.4 g/kg，500 hPa以上因水 汽含量较低，RSME小 于1.5 g/kg。图3a中q-GIIRS和q-Radiosonde 分别为统计时段两者比湿廓线的均值。两廓线均值较为接近，850 hPa以上FY-4A/GIIRS比湿总体偏高，期中850—550 hPa偏高较为显著。从相对误差（图3b）来看，FY-4A/GIIRS水汽廓线产品比湿在近地层误差为30%—35%，850—700 hPa高度的MRE在45%左右。从700 hPa到400 hPa，比湿的MRE从50%增大到超过150%，400 hPa以 上 达 到200%。比 湿 在250 hPa以 上MRE超过250%。图3b中Num （08）和Num （20）分别表示08和20时每个气压层参与检验的样本数目。

3.2 融合效果分析

GNSS/PWV与FY-4A/GIIRS水汽廓线快速融合后获得水汽廓线更新，按照前文精度检验的方法参考无线电探空资料对快速融合效果进行分析。融合更新后的比湿RMSE与融合前相比，大气整层都有所降低，融合改进效果显著，尤其是600 hPa以下。如图4a所示，大气底层至850 hPa RMSE约为3.5 g/kg，700 hPa以上比湿RMSE在2.0 g/kg以下。从图4b可以看出融合后的比湿相对误差也明显降低，近地层约为25%，850 hPa在25%—30%，基本达到极轨卫星高光谱载荷反演大气水汽廓线的精度水平（Schneider，et al，2011；Gambacorta，et al，2012；Nalli，et al，2018）。融合后MRE的改善主 要 表 现 在600 hPa以 下，600 hPa以 上 融 合 后MRE在部分大气层高度仍有变差的情况。从08和20时的融合效果看，白天和夜晚在融合后差异不大，没有表现出明显的不一致。

图4 水汽廓线融合效果检验 （08和20为观测时间；a. 融合前后均方根误差 （RMSE为融合前，RMSE merged为融合后），b. 融合后相对误差（MRE为融合前，MRE merged为融合后））Fig. 4 Accuracy evaluation of updated specific humidity profiles with merging method （08 and 20 represent observation time；a. RMSEs before and after merging （RMSE merged is the RSME after merging），b. mean relative errors before and after merging （MRE merged is the MRE after merging））

水汽廓线融合前后误差的减少比例表明GNSS/PWV与FY-4A/GIIRS水汽廓线融合效果显著（图5）。如图5a所示，从RMSE改进情况可见近地层到600 hPa高度平均减少约20%，尤其是850—700 hPa高度改善比较明显。600—400 hPa的大气中层RMSE改善稍小，平均减少约12%。400—250 hPa大气高层改善效果逐渐增大，平均减少超过25%。从MRE改进情况分析可见，近地层到600 hPa平均减少约20%，而且在850—700 hPa改善更为明显，如图5b所示，850 hPa MRE减少了近45%。600 hPa以上的大气中层MRE改善较小，个别高度层融合后MRE反而有所增大。整体来说无论从RMSE或是MRE上看，GNSS/PWV与FY-4A/GIIRS水汽廓线融合后，水汽廓线精度改善非常明显，尤其是在大气中、低层，极大地改善了卫星反演资料的可用性。

图5 水汽廓线融合后均方根误差 （a） 和相对误差 （b） 减少比例 （08和20为观测时间）Fig. 5 Reduction ratios of RMSE （a） and （b） after updating specific humidity profile with merging method （08 and 20 represent observation time）

从图5可见融合改善效果在RMSE上表现更为显著，尤其是在600 hPa以下水汽含量相对高的大气层，而在600 hPa以上RMSE和MRE改善效果却不一致。通过统计分析参与检验的94个无线电探空站资料得出，大气中层（600—400 hPa，如图3a）平均比湿从3 g/kg左右降低到0.8 g/kg，水汽含量下降了70%，水汽含量相对较低；从400 hPa到250 hPa，大气层平均比湿从0.8 g/kg左右降低到0.1 g/kg以下，水汽含量又快速降低了近90%，水汽含量极低。因此，比湿的小量变化可引起MRE的极大改变，大气中、高层水汽探测RMSE较小，但MRE较高，对探测产品的精确度和灵敏度要求都比较高，同时对作为检验标准的无线电探空资料的精度要求也较高。从融合效果看，整层大气RMSE都有明显改善，且高层大气融合更新后比湿RMSE相对减少比例较大是由于大气水汽含量较低，稍有改善就比较显著；大气中层和高层MRE相对减少比例较小甚至稍有变差的现象也是由于中层和高层大气水汽含量较低引起MRE计算波动较大造成的。

如图6所示，通过计算对应层次的2倍RMSE范围内各个值域的误差出现频率，进而分析水汽廓线误差概率密度。对融合前、后误差概率密度分布对比可见，融合后标准偏差明显下降，误差分布更加密集于误差均值附近。同时，融合后整体上误差概率密度峰值更高，GNSS/PWV与FY-4A/GIIRS水汽廓线快速融合改善了误差概率密度的分布。结合图3可见，融合前的近地层水汽反演结果整体是偏干的，850 hPa以上反演结果整体开始偏湿，参考对应层次的RMSE，融合前后的峰值偏差不是特别明显，一般不超过0.25倍RMSE。

图6 融合前后误差概率分布 （横坐标表示RMSE比例，stdev1和stdev2分别代表融合前后标准偏差统计；a. 925 hPa， b. 850 hPa，c.700 hPa，d. 500 hPa）Fig. 6 Bias PDFs before and after merging （x-axis represents the RMSE ratio at corresponding height，stdev1 and stdev2 represent the standard deviations before and after merging，respectively；a. 925 hPa，b. 850 hPa， c. 700 hPa，b. 500 hPa）

4 暴雨过程应用

2018年8月15日08时—16日20时受1814号台风“摩羯”残留气团以及副热带高压影响，江淮地区发生一次明显的暴雨过程，降水时段开始于傍晚，如图7中15日08时卫星云图所示，江淮地区受副热带高压控制，台风“摩羯”的低压气旋位于渤海，处于逐渐消散状态，东南沿海1818号台风“温比亚”刚刚生成，中国南海地区1816号台风“贝碧嘉”持续活跃，因此，江淮地区天气形势变化充满不确定性。

图7 2018年8月15日08时FY-4A 10.8 μm通道卫星云图Fig. 7 FY-4A satellite image of channel 10.8 μm at 08：00 BT 15 August 2018

08时常规探空资料表明，江淮地区受副热带高压影响，高湿区主要在副热带高压边缘地区，位于江淮地区北部，700 hPa以上水汽含量较低。通过对GNSS/PWV与FY-4A/GIIRS水汽廓线快速融合，可生成暴雨过程期间每3 h一次的水汽廓线。如图8所示，由于受副热带高压影响，08时江淮地区700 hPa以上水汽含量较低，850 hPa至低层水汽含量相对较高。如图8中方框所示，14时之后江淮区域700和850 hPa水汽含量显著增加。从融合后700和850 hPa的水汽增量场来看，在15日08时FY-4A/GIIRS对流云团刚发展起来的高湿度区比湿估计偏低，尤其是700 hPa。

图8 2018年8月15日水汽融合比湿 （色阶） 与融合后水汽增量场 （等值线） （红色方框为暴雨发生的区域；单位：g/kg；a. 08时700 hPa，b. 14时700 hPa，c. 08时850 hPa，d. 14时850 hPa）Fig. 8 Specific humidity after merging （shaded） and increment field （contours） on 15 August 2018 （the red box shows the rainstorm area，unit：g/kg；a. 700 hPa at 08：00 BT，b. 700 hPa at 14：00 BT，c. 850 hPa at 08：00 BT，d. 850 hPa at 14：00 BT）

续图 8 Fig. 8 Continued

对江淮地区（图8方框区）各气压层的比湿取平均，获取3 h一次的水汽廓线变化序列，如图9所示。11—14时，江淮地区水汽开始呈现上升趋势，区域内不稳定持续增大，与3 h累计降水量的变化有较强的相关。从每3 h一次的水汽廓线变化序列可见，暴雨过程水汽变化非常剧烈，08时江淮地区受副热带高压影响，高湿度区主要在850 hPa以下，11—14时，850 hPa水汽含量持续增加，同时由于500 hPa水汽含量持续较低，使得高低空水汽梯度增加，较易触发强对流。如图9b所示，从区域3 h累计降水量和最大降水量时间序列可见，8月15日江淮地区强降水发生在14—20时。17时区域平均降水量明显增大，3 h最大降水量接近40 mm，且随着中低层高水汽含量状态的维持，强降水持续到15日20时。16日凌晨随着高湿度区域大气高度的下降强降水出现间歇。16日上午，高湿度区域明显快速上升，同时底层大气湿度也较高，对应的3 h累计降水量无论是从区域降水极值或是平均值都较高，并持续到16日11时。16日11时之后，高湿度区域维持较高的气压层次，但低层大气湿度有所降低，对应的3 h累计降水量主要特点表现为平均值较高，区域降水极值较小。

图9 2018年8月15日08时至16日20时江淮区域平均比湿变化 （a） 与3 h降水时间序列 （b）Fig. 9 Average specific humidity （a） and 3 h accumulative rainfall （b） from 08：00 BT 15 August to 20：00 BT 16 August 2018

图10为 江 淮 地 区2018年8月15日08时至16日20时GNSS/PWV与FY-4A/GIIRS水 汽 廓 线融合后产品与对应时段常规探空资料的对比，可见水汽廓线融合后改进效果与图4所示相似，大气整层比湿误差都有所降低，尤其是600 hPa高度以下，如图10a所示，由于区域内有明显的降水过程，大气中整层比湿RMSE更高，融合后的RMSE明显降低。MRE随着水汽含量降低以及气压层高度的升高快速增大，从图10b中可以看出由于区域内整层水汽含量较高使得MRE与图4b中一样相比较小，但融合后的MRE仍降低明显。值得注意的是，在暴雨天气过程中600—400 hPa的中层大气水汽含量也处于相对较高的水平，融合后水汽MRE与图4b趋势一致，不但改善了600 hPa以下中、低层水汽的结果，600—400 hPa的中层大气水汽融合效果改善也非常显著。因此，在有明显降水过程的情况下，无论从RMSE或是MRE上看，GNSS/PWV与FY-4A/GIIRS水汽廓线融合应用仍极大地改善卫星反演资料的可用性。

图10 江淮地区水汽廓线融合效果 （a. 融合前后均方根误差 （RMSE为融合前，RMSE merged为融合后），b. 融合后相对误差（MRE为融合前，MRE merged为融合后））Fig. 10 Accuracy evaluation of updated specific humidity profiles with merging method in Jianghuai area （a. RMSE before and after merging （RMSE merged is the RSME after merging），b. mean relative errors before and after merging （MRE merged is the MRE after merging））

5 结论与讨论

FY-4A/GIIRS是国际上第一批静止气象卫星的高光谱大气垂直探测载荷。为了解新型大气廓线资料的质量状况，以常规无线电探空资料为精度分析依据，对2018年6—8月中国地基GNSS站监测的大气可降水量和FY-4A/GIIRS水汽廓线产品进行分析及融合研究，并对一次暴雨天气过程进行应用分析，得到以下主要结论：

（1） FY-4A/GIIRS水汽廓线均方根误差在大气底层至850 hPa约为4.5 g/kg，700 hPa约为2.4 g/kg，中、低层水汽相对误差为30%—35%，700 hPa以上相对误差随高度上升逐步增大，400 hPa以上相对误差达200%，250 hPa以上相对误差超过250%。

（2） 通过GNSS/PWV与FY-4A/GIIRS水汽廓线融合，更新后的大气廓线整层均方根误差平均降低20%左右，从近地层到700 hPa高度均方根误差平均减小20%—25%，尤其是850—700 hPa高度减小较为明显，基本达到极轨气象卫星高光谱载荷反演大气水汽廓线的精度水平，极大地改善了卫星反演资料的可用性。

（3） 本研究提出的水汽廓线融合技术实现了综合利用地基GNSS/PWV和FY-4A/GIIRS水汽廓线的优点，使得两种水汽观测资料优势互补，可有效提高遥感水汽反演信息的定量化水平。

（4）对一次多系统影响的暴雨天气过程应用分析表明，GNSS/PWV和FY-4A/GIIRS融合产品可获得高时、空密度的大气水汽廓线，对降水的临近预报有重要应用价值，有效弥补了常规探测资料的不足。

（5）大气整层可降水量（GNSS/PWV）能够实现大范围高密度的成网布设，其设备一经布设即可直接用于全天候观测而无需进行标定改正，时间分辨率也基本能够满足多数气象业务和研究需要，但GNSS/PWV通过与其他大气水汽廓线尤其是高时、空分辨率的卫星遥感水汽廓线资料的融合，有利于一线预报员实时监测、分析天气系统，改善数值气象模式初始场，为提高日常的强对流和台风预报、预警准确率提供支撑。